對於一些特徵工程方面，有時會用到labelencoder和onehotencoder。
一、為什麼需要這種編碼方式
在實際的機器學習的應用任務中，特徵有時候並不總是連續值，有可能是一些分類值，如性別可分為「male」和「female」，如果我們用簡單的0,1代替就會有問題，因為男女之間不存在大小關係。
二. 為什麼使用one-hot編碼來處理離散型特徵?
1.使用one-hot編碼，將離散特徵的取值擴充套件到了歐式空間，離散特徵的某個取值就對應歐式空間的某個點。
2.將離散特徵通過one-hot編碼對映到歐式空間，是因為，在回歸，分類，聚類等機器學習演算法中，特徵之間距離的計算或相似度的計算是非常重要的，而我們常用的距離或相似度的計算都是在歐式空間的相似度計算，計算余弦相似性，基於的就是歐式空間。
3.將離散型特徵使用one-hot編碼，確實會讓特徵之間的距離計算更加合理。比如，有乙個離散型特徵，代表工作型別，該離散型特徵，共有三個取值，不使用one-hot編碼，其表示分別是x_1 = (1), x_2 = (2), x_3 = (3)。兩個工作之間的距離是，(x_1, x_2) = 1, d(x_2, x_3) = 1, d(x_1, x_3) = 2。那麼x_1和x_3工作之間就越不相似嗎？顯然這樣的表示，計算出來的特徵的距離是不合理。那如果使用one-hot編碼，則得到x_1 = (1, 0, 0), x_2 = (0, 1, 0), x_3 = (0, 0, 1)，那麼兩個工作之間的距離就都是sqrt(2).即每兩個工作之間的距離是一樣的，顯得更合理。
4.對離散型特徵進行one-hot編碼是為了讓距離的計算顯得更加合理。
5.將離散型特徵進行one-hot編碼的作用，是為了讓距離計算更合理，但如果特徵是離散的，並且不用one-hot編碼就可以很合理的計算出距離，那麼就沒必要進行one-hot編碼，比如，該離散特徵共有1000個取值，我們分成兩組，分別是400和600,兩個小組之間的距離有合適的定義，組內的距離也有合適的定義，那就沒必要用one-hot 編碼
離散特徵進行one-hot編碼後，編碼後的特徵，其實每一維度的特徵都可以看做是連續的特徵。就可以跟對連續型特徵的歸一化方法一樣，對每一維特徵進行歸一化。比如歸一化到[-1,1]或歸一化到均值為0,方差為1
三、onehotencoding具體使用例項
我的原資料是這個樣子
運動型別（逗號隔開）131
2321234
1343
2346
2434
4235
12325
5236
1235
5464
1426
2354
36264
5623564
1261235
25415
357354
具體**：
import pandas as pd
from sklearn import preprocessing
data = pd.read_csv('k-means.csv',encoding='utf-8')
x_1 = data[['type']]
enc = preprocessing.onehotencoder()
x_1_new = enc.fit(x_1)
x_2_new = x_1_new.transform(x_1).toarray()
print(x_2_new)
四 、獨熱編碼優缺點
優點：獨熱編碼解決了分類器不好處理屬性資料的問題，在一定程度上也起到了擴充特徵的作用。它的值只有0和1，不同的型別儲存在垂直的空間。
缺點：當類別的數量很多時，特徵空間會變得非常大。在這種情況下，一般可以用pca來減少維度。而且one hot encoding+pca這種組合在實際中也非常有用。
四. 什麼情況下(不)用獨熱編碼？
總的來說，要是one hot encoding的類別數目不太多，建議優先考慮。
Python 字元編碼方法
ascii標準在美國建立，並且定義了大多數美國程式設計師使用的文字字串表示法。ascii定義了從0到127的字元 並且允許每個字元儲存在乙個8位的位元組中 實際上，只 有其中的7位真正用到 例如，ascii標準把字元 a 對映為整數值97 十六進製制中的0x61 它儲存在記憶體和檔案的乙個單個位元組...
沙皮狗丁編碼方法
這是乙個突如其來的拍腦袋的想法，源於這兩天看codeigniter源 的時候那個又長又臭的配置檔案，相信經常用開源軟體的朋友都見識過他們的配置檔案，常常都是幾百上千行的 apache的httpd.conf就有差不多1000行 而實際起作用的，卻只不過是十幾行。於是乙個拍腦袋的想法就出來了 為什麼不把...
狀態機狀態編碼方法
常用的編碼有三種 二進位制編碼 gray碼 one hot編碼。另外，還可以自定義編碼，比如在高速設計中以狀態編碼作為輸出。一 二進位制編碼 順序二進位制編碼，即將狀態依次編碼為順序的二進位制數。順序二進位制編碼是最緊密的編碼，優點在於它使用的狀態向量位數最少。例如對於6 個狀態的狀態機，只需要 3...